腾讯汤道生：AI落地核心在于Harness工程能力而非单纯算法
3月27日，腾讯集团高级执行副总裁汤道生在腾讯云上海峰会上指出，AI落地不仅是算法问题，更是系统工程问题。他强调在同等模型能力下，Harness（涵盖工具调用、分层上下文工程、长记忆管理及工作流设计等）直接决定实际效果。该观点将AI落地的关键变量从模型本身转移至工程化实施层面。
事件概述
3月27日，在腾讯云上海峰会上，腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生发表演讲，重新定义了AI落地的核心挑战。他提出，AI应用的成功不仅仅取决于算法模型的优劣，更是一道“工程题”。
核心信息
- 工程能力的决定性作用：在模型基础能力相同的情况下，最终的实际落地效果差异主要源于“Harness”（工程架构）的构建水平。
- Harness的关键构成：汤道生将影响AI落地的系统工程手段具体拆解为以下四个维度：
- 工具调用：模型与外部系统交互的能力。
- 分层上下文工程：对输入输出信息的结构化管理与优化。
- 长记忆管理：处理长期历史数据与状态保持的能力。
- 工作流设计：复杂任务流程的编排与调度。
结论
AI技术的商业化闭环不再单纯依赖大模型参数的堆叠，而是转向对工程化体系的深度打磨。企业需重视上述系统工程手段的构建，以解决AI在实际场景中的稳定性与效能问题。